Lucene的。如何构建term-doc矩阵

Question

我需要构建该矩阵，但我找不到计算每个单元格的标准化tf-idf的方法。 我将执行的归一化是余弦规范化，即每1 / sqrt（在列中的sumOfSquaredtf-idf）中除以tf-idf（使用DefaultSimilarity计算）。

有没有人知道这样做的方法？
提前谢谢你 安东尼奥

Answer 1

Sujit Pal's blog中描述了一种不使用Lucene的方法。或者，您可以构建一个Lucene索引，每个字段包含术语向量，迭代术语以获取idf，然后迭代术语的文档以获得tf。